智能控制的原理及应用

东北农业大学学士学位论文学号：056A30004004智能控制的原理及应用学生姓名：尉雄指导老师：刘庆瑞所在院系：网络教育学院所学专业：电气工程及其自动化研究方向：智能控制东北农业大学中国·哈尔滨2012年3月摘要伴随计算机科学与技术的发展，通过计算机软硬件控制，实现电气自动化已成为现实计算机的模拟操作，更为现实电力系统运行状况提供了方便快捷的监视和判断功能PC和网络技术已经在工商管理中得到普及在电气自动化领域，基于PC的人机界面普遍被采用，并以其直观性、灵活性和易于集成等特点备受用户的青睐。第一章绪论部分，主要涉及到研究背景及意义，国内外在这一方面取得的成就。第二章主要介绍自动控制的原理及特点。第三章介绍自动控制的应用。最后对本文简述了智能控制未来发展。关键词：自动化、模糊控制、人工神经网络、专家控制AbstractAccompaniedbythedevelopmentofcomputerscienceandtechnology,computerhardwareandsoftwarecontroltoachieveelectricalautomationhasbecomearealisticcomputersimulationoftheoperation,amorerealisticpowersystemoperatingconditionsprovidesaconvenientandefficientmonitoringandjudgmentfunctionPC,andnetworktechnologyhasbeeninBusiness.Administrantionbepopularinthefieldofelectricalautomation,PCbasedman-machineinterfaceisgenerallyused,anditsintuitive,flexibleandeasytointegratethecharacteristicsofmuchusersofallages.Partoffirstchapter,mainlyrelatedtotheresearchbackgroundandsignificance,athomeandabroadtheachievementsinthisregard.Thesecondchapterintroducestheprincipleofautomaticcontrolandfeatures.Thethirdchapterisdevotedtotheapplicationofautomaticcontrol.funallyThispaperdescribestheintelligentcontrolfuturedevelopment.Keywords:

automation,

fuzzycontrol,artificialneuralnetworks,

expertcontrol目录目录 1绪论 21.1背景和意义 21.2国内外研究现状 31.2.1国外研究现状 31.2.2国内研究现状 61.3论文内容与安排 8第二章自动控制原理和特点 102.1自动控制原理 102.1.1自动控制的概念 102.1.2模糊控制原理 102.1.3人工神经网络控制系统 112.1.4专家控制系统原理 132.2自动控制的特点 142.2.1模糊控制系统的特点 142.2.2人工神经网络控制系统的特点 142.2.3专家控制系统的特点及优点 152.3自动控制的发展概况 16自动控制的应用 183.1模糊控制系统的应用 183.1.1Omron公司产品 183.1.2Inform/Semmons公司产品 183.1.3TogaiInfralogic公司产品 183.1.4NeuralLogic公司产品 183.2人工神经网络控制系统的应用 193.2.1基于神经网络的几种控制系统 193.2.2基于全局逼近神经网络的控制 203.2.3基于局部逼近神经网络的控制 213.2.4模糊神经网络控制 213.3专家控制系统的应用 213.3.1数据挖掘技术的应用 213.3.2多Agent技术的运用 22第四章总结与展望 244.1模糊控制展望 244.2人工神经网络控制展望 244.3专家系统发展前景 25参考文献 27致谢 28绪论1绪论随着科技和工业技术的发展，自动控制技术和理论应运而生。18世纪瓦特发明了蒸汽机，1788年瓦特为了解决蒸汽机的速度控制问题，采用了离心调速器，开创了自动控制在工业上的应用。在之后的100年内，自动控制的应用不在单单应用于工业领域，并在工农业生产、交通运输、国防建设和航空航天事业等领域中获得广泛应用。1.1背景和意义随着现代科学技术的迅速发展，生产系统的规模越来越大，形成了复杂的大系统，导致了控制对象、控制器以及控制任务和目的的日益复杂化。别一方面，人类对自动化的要求也更加广泛，面对来自旬电力系统、工业生产过程控制系统、智能机器人系统、计算机集成制造系统（CIMS）、核电站安全运行控制、航空航天及军事指挥系统等复杂性系统的挑战，传统的自动控制理论和方法显得已不适应于复杂系统的控制。能否建立新一代的控制理论方法来解决复杂系统的控制问题，已成为各国控制学术界所共同关心的热门研究课题。近年来人们开始认识到，在许多系统中，复杂性不仅仅表现在高维性上，更多则表现在：（1）被控对象模型的不确定必；（2）系统信息的模糊性，信息模式；（3）高度非线性；（4）输入（传感器）信息的多样化；（5）多层次、多目标的控制要求；（6）计算复杂性和庞大的数据处理以及严格性能指标。自然，对于复杂系统需要在传统的控制理论基础上结合其它学科的知识，建立一种更有力的控制理论和方法，以解决上述提到的问题。智能控制就是在这种背景下提出和形成的。人类对智能机器及其控制的幻想与追求已有三千多年的历史，然而，真正的智能机器只有在计算机技术和人工智能技术发展的基础上才能成为可能。人工智能已经促进自动控制向着它的当今最高层次—智能控制发展。智能控制代表了自动控制的最新发展阶段，也是应用计算机模拟人类智能，实现人类脑力体力劳动自动化的一个重要领域。智能控制系统是当今国内外自动化学科中一个十分活跃和具有挑战性的领域，又是一门新兴的交叉学科。它与人工智能、自动控制、运筹学、计算机科学、模糊数学、神经网络理论、进化论、模式识别、信息论、仿生学和认识心理学等有着密切的关系，是相关学科相互结合与渗透的产物，电力系统与核电安全运行，航空航天飞行器对接，智能机器人，智能通信网络，智能化仪器仪表，家电行业等领域，并形成一门新的智能自动化学科[1-2]。1.2国内外研究现状智能控制系统主要有两层含义：（1）智能控制系统是智能机自动地完成其目标的控制系统；（2）由智能机参与生产过程自动控制的系统称为智能控制系统。1.2.1国外研究现状模糊控制系统模糊理论是在美国柏克莱加州大学电气工程系L.A.Zadeh教授于1965年创立的模糊集合理论的数学基础上发展起来的，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。自从L.A.Zadeh提出模糊集合论以后，一种应用模糊集合论来建立系统数学模型、控制器的新型控制理论—模糊控制也相应产生了。模糊控制理论的核心是利用模糊集合论，把人的控制策略的自然语言转化为计算机能够接受的算法语言所描述的算法。但它的控制输出却是确定的，它不仅能成功地实现控制，而且能模拟人的思维方式，对一些无法构成数学模型的对象进行控制。1974年，英国的E.H.Mamdani首次用模糊逻辑和模糊推理实现了世界上第一个试验性的蒸汽机控制，并取得了比传统的直接数字控制算法更好的效果。它的成功宣告了模糊控制的问世。第一个有较大进展的商业化模糊控制器是在丹麦诞生的。1980年，工程师L.P.Holmblad和Lstergard在水泥窑炉上安装了模糊控制器并取得成功。以后模糊控制发展经历了基本模糊控制器的应用阶段、自组织模糊控制器的应用阶段和智能模糊控制器。现今模糊控制已应用于家电行业，各种工业自动化、冶金和化工过程控制等领域，相继出现了模糊控制器、模糊推理等专用及“模糊控制通用系统”。可以预料，随着模糊控制理论的不断完善，其应用领域将会更加广泛。人工神经网络人工神经网络是基于模仿生物大脑的结构和功能而构成的一种信息处理系统，它是一种由简单的计算处理单元（神经元）通过某种网络拓扑结构而构成的功能强大的活性网络。人工神经网络不同于当前人工智能领域研究中基于逻辑与符号处理的理论和方法，而是领先其状态对外部输入信息的动态响应来处理信息的。因此，它为智能理论的研究开辟了一条崭新的途径。人工神经网络的研究经历了由兴起到萧条、由萧条到兴盛的曲折发展过程。随着理论研究的不断完善，现代技术水平的不断发展，为人工神经网络的研究和应用提供了物质基础。研究显示，人工神经网络的很多特点和人类的智能特点类似，具有人脑的基本特征：学习、记忆和归纳，它解决了人工智能领域研究中的某些局限性问题。人工神经网络与其他科学理论或技术的结合，将产生较好的模拟思维、记忆和学习这样一些人脑的基本功能，尽管这还只是对人脑的低水平的模仿，但却在图像识别、语音识别、记忆、预测和优化等方面表现出了很好的智能特性和极好的应用前景；它的分布与并行处理、离散与连续时间计算和全局信息的作用等特性与光电技术的结合，将解决串行操作和信息存储模式的传统计算机难于解决的高速、实时的复杂问题。这两点正是当前新一代计算机所要追求的目标。由于人工神经网络是源于对脑神经的模拟，具有很强的适应于复杂环境和多目标控制要求的自学习能力，并具有以任意精度逼近任意非线性连续函数的特性，把它应用于控制领域，正好可以解决控制领域难以解决的两大难题；一是控制对象存在不确定性和非线性特性；另一个是对控制系统的要求愈来愈高，迫切要求提高控制系统的智能化水平。因此人工神经网络引起了广大自动控制工作者的极大关注。就目前研究成果看，人工神经网络在自动控制系统中的应用涉及到系统辨识、非线性系统控制、智能控制、优化计算及受制系统的故障诊断与容错控制等。专家控制系统专家控制系统是人工智能的一个重要分支。专家系统产生于20世纪60年代中期，在短短的40余年里获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，专家系统技术也获得了迅速发展，主泛用于医疗诊断、化学工程、语音识别、图像处理、金融决策、信号解释、地质勘探、石油、军事等领域中，并产生了巨大的经济效益和社会影响，同时也促进了人工智能基本理论和基本技术的研究与发展。1983年，著名自动控制理论专家，瑞典学者K.J.Astrom明确提出将专家系统技术引入自动控制领域，1986年正式提出了专家控制系统的理论。目前，虽然专家控制技术尚无一个完善的科学理论体系，但在实际应用中，特别是对一些复杂的生产过程控制，取得令人瞩目的成绩，受到了社会各方面的认可。在人工智能方面：SDR-4X的机器人是索尼公司开发的目前世界上最先进的智能机器人，是索尼为了“索尼科技周”而特地从东京派来的。SDR-4X，从东京来的。”一个全身银色、有着漂亮大眼睛的智能机器人出现在北京王府井东方广场的索尼探梦馆里。它操着不太流利的汉语扭着身子向观众问好，引起了一阵照相机闪光灯的骚动。

这个名叫SDR-4X的机器人是索尼公司开发的目前世界上最先进的智能机器人，是索尼为了“索尼科技周”而特地从东京派来的。它属于高智能的娱乐机器人，装置着各种感应系统，感情丰富，能跟人类进行各种交流，同时可以通过记忆和学习不断“成长”。此外，它的特殊天赋能够完成各种高难度动作，真可谓是能歌善舞。据工作人员介绍，它的主要功能是用来与人类做伴，而目前则主要被用于科研。电影明星：从《终结者》到《AI人工智能》人工智能所带来的潜在威胁给无数科幻电影带来了灵感。1984年的《终结者》一片中，电脑网络为了夺得世界的主宰权而以核武器攻击人类，进而制造出拥有人类智慧的机器人来消灭所有人类幸存者。这种机器人被叫做“终结者”。·智慧的游戏：最伟大的棋手曾是台机器在电脑游戏日新月异的发展中，人工智能找到了一个最合适的位置。消费者的胃口越来越挑剔，他们要更好，更快，更强，更有挑战性……于是游戏中的人工智能也相应地发展得越来越成熟。电脑游戏中的人工智能，既可以作为人类玩家的对手存在，也可以作为联盟者或组员同人类玩家并肩作战。国际象棋世界冠军卡斯帕洛夫同IBM公司的超级计算机“深蓝”背水一战——然后输掉了比赛。6个回合之后，老将卡斯帕洛夫输了2.5到3.5个棋给这位棋界的新秀。分别对阵以色列制造的“深青”和美国制造的“三维德国佬”，终于给人类挣回点面子和信心。一胜一平的成绩说明，起码在下棋这方面，人类还是能跟上计算机飞速发展的脚步的。·特殊技能：察言观色的智者“天命”尽管被如此频繁地使用在娱乐方面，我们不可忘记开发人工智能的最初目的是希望机器能和我们交流。麻省理工大学的科学家设计了一个叫做“天命”的机器人，他能和人们进行真正的实时交谈，能够分辨人们不同的口气和语调，并且做出7种不同的表情来回应。最逗的是，他能随时随地根据和他交谈的人所在的方位，微微转动他的小脑袋，看着你的眼睛，就好像真正的人类之间的交谈那样。·惠普电子DJ：未来的DJ也许是这样惠普的科学家们研究出一种电子DJ，这种人工智能可以从他的记忆库中调出各种节奏和基调再加以随意混合。制造他的科学家还声称他能够对不同俱乐部的不同风格做出反应，及时调整曲目。·展望未来：“成人”在望德克萨斯州立达拉斯大学的研究者设计出一种拥有栩栩如生的人类面孔的机器人。他能做出28种面部表情，包括微笑，冷笑，皱眉和惊讶。不久的将来，我们可以运用这项成果给人工智能们聪敏的大脑配上标致的面容。麻撒诸塞州的布兰迪斯大学开发了一个电脑程序，目前这个程序已经学会了如何独立设计并建造桥梁，起重机和桌子。学习过程中，他深深觉得自己知识的缺陷和不足，于是主动去学习如何设计伸臂式或三角式的支撑结构。信用卡公司运用一种叫做“猎鹰”的电脑程序来识别欺诈。猎鹰能够不分昼夜地持续更新客户使用信用卡情况的报告，然后在这些数据里找出与平时使用模式不相符合的情况。一个苏格兰机器人公司造了一个据说能吸引女性注意力的男机器脑袋。这个脑袋能够自动识别面前的是“靓女”还是“衰男”，这是因为越是女性化的脸庞就拥有越多越细致的表情。听起来很好笑，不过科学家们坚持认为这个程序再发展，能成长为一个合格的前台接待员。·机器宠物:体贴的小东西雇佣专门为私人消费者设计的，具有基本用途的简单人工智能已经逐渐成为一种风尚和潮流。索尼的AIBO机器狗一旦被开动就会像只真正的宠物小狗一样讨人欢喜。而且，它还能通过和它的人类主人多多相处来学习更多新的撒娇方式。而欧姆龙公司的妮可若猫咪和三洋公司的机器看门狗是另一种体系的私人机器宠物。当私人消费者市场变得再成熟一点的时候，这些宠物们必将大行其道。1.2.2国内研究现状21世纪是信息化在全球普遍开展的时代，作为现代信息技术的精髓，人工智能技术必然成为新世纪科学技术的前沿和焦点。随着计算机科学的突飞猛进，在理论上、方法上，中国科学家对人工智能科学发展做出了不小的贡献。2006年人工智能国际大会上，中国人工智能学会理事长钟义信教授介绍了中国科学家的功劳：“用机器证明数学定理在世界上独树一帜；在模式识别领域创造性地提出仿生识别方法，与传统方法相比结果非常好；过去在人工智能方面不处理矛盾的问题，中国科学家提出了可拓学理论，较好地处理了矛盾的问题。可以说，中国在人工智能研究领域不再是跟踪国外水平，而是开展创新性的研究，取得了不错的成果。我国人工智能的一大代表--机器人。机器人的发展水平不仅仅与计算机科技水平相关，而且与一个国家的工业的各方面的发展程度密切相关。因为计算机只相当于人的大脑，只能“思考”，只有连上了传感器、执行机构等等，这样的输入输出设备，才能够完成一些特定的工作。这需要机械工业，控制技术等各方面的配合。智能化就是利用计算机和其他自动化的设备来实现生产过程或其他活动的智能化。机器人通常被认为是自动化的最高境界。之所以叫机器人，是希望他除了聪明以外，也能够像人一样能干。因为人除了有聪明的大脑以外，还有灵巧的双手，有很好的听，说，看的能力。我们希望机器人也能够像人一样思考，工作，让机器人去完成人们无法完成的，或是危险的工作。这是自动化研究的最高目标。当前机器人的发展水平还远达不到这一点。目前的所谓“机器人”都是在已有的设备上加上一些其他装置，特别是计算机儿形成的。比如，一般的机床没有测量系统，如果周围环境（包括温度、湿度）等等改变了，它还按照原来的程序去工作，就不会产生最好的生产效果，甚至会出现事故。如果我们给它加上传感器，使它能够感受周围环境的变化，并通过计算机的计算对机床发出命令进行控制，就能够使它适应环境的变化，达到最佳的效率。我们国家从863高技术计划开始，除了研究工业机器人以外，也开始研制更加先进的机器人，也可以把它们叫做智能机器人。大家可能听说过水下机器人，这种机器人有移动的能力，可以深入到水底，有观测的能力可以根据需要探测到水下的状况，收集各种数据。将来进一步发展可以让机器人做一些更实际的工作。比如可以把机器人派到水下去修理海底电缆，输油管道，等等。我们国家还研制了其他类型的机器人，比如有的机器人可以从事像清洗高层建筑这类的高空作业，效率高而且不会发生人生安全事故。还有一些机器人可以代替人做一些简单但危险的工作，比如核电站中的一些工作就是靠机器人来完成的。确切的说我国人工智能进入自主研究期。在人工智能理论研究方面，我国科学工作者也取得了令人注目的研究成果。西北工业大学何华灿教授创建的“泛逻辑学”，具有重要的学术意义和实用价值，是逻辑学发展史上的又一次飞跃。清华大学李衍达院士在生物自组织现象研究中提炼的“案例学习方法”，北京邮电大学钟义信教授提出的“信息——知识——智能转换理论”，中国科学院计算所史忠植研究员开发的大型数据挖掘和信息检索系统，都得到国际学术界广泛重视。中国工程院院士李德毅教授倡导的“网络化智能”研究，抓住了当今人工智能理论研究的前沿命题。北京科技大学涂序彦教授等的研究成果“人工情感和拟人系统”，成为中日韩国际学术交流会的大会主题。重庆大学李祖枢教授和北京师范大学李洪兴教授等在各自的“倒立摆控制”研究方面创造了国际领先的纪录。近年我国人工智能科学发展迅速，在这一领域已形成自主研究重大科学前沿的能力，并在一些重要研究领域走在了世界的前列，特别是一批创新成果的实际应用令人鼓舞。哈尔滨工业大学洪炳熔教授推出的机器人足球竞赛系统连年在大型国际比赛中夺冠。今年7月，这套机器人系统在2005年国际机器人足球联盟（FIRA）世界杯机器人足球大赛中国队选拔赛上，再次夺得全自主型、类人型、编队型、追捕型4个项目比赛的冠军和全自主型项目比赛的亚军。广东工业大学蔡文教授首创的“可拓学”是研究事物拓展的可能性和开拓创新的规律与方法，也是贯穿自然科学和社会科学的横断学科。目前,这门学科已从理论研究进入到可拓工程、可拓控制、可拓检测、可拓信息以及在人工智能和计算机中的应用研究、在中医药研究中的应用等。1.3论文内容与安排智能控制系统是自动控制发展的高级阶段，它涉及到多个学科，是一门新兴的交叉学科。本文重点介绍自动控制的原理、特点、发展历程及应用。本文结构分为四章：第一章绪论部分，主要涉及到研究背景及意义，国内外在这一方面取得的成就。第二章主要介绍自动控制的原理及特点。第三章介绍自动控制的应用。第四章介绍智能控制的未来发展。第二章自动控制原理和特点2.1自动控制原理2.1.1自动控制的概念自动控制是指在没有人直接参与的情况下，利用外加的设备或装置（称控制装置或控制器），使机器，设备或生产过程（统称被控对象）的某个工作状态或参数（即被控制量）自动地按照预定的规律运行。换句话说它是机器或装置在无人干预的情况下，利用反馈机理自动进行操作。自动控制理论是研究自动控制共同规律的技术科学。它的发展初期，是以反馈理论为基础的自动调节原理，主要用于工业控制，二战期间为了设计和制造飞机及船用自动驾驶仪，火炮定位系统，雷达跟踪系统以及其他基于反馈原理的军用设备，进一步促进并完善了自动控制理论的发展。到战后，以形成完整的自动控制理论体系，这就是以传递函数为基础的经典控制理论，它主要研究单输入-单输出，线形定常数系统的分析和设计问题。2.1.2模糊控制原理自动控制又分为模糊自动控制、人工神经网络自动控制和专家自动控制。1、模糊自动控制主要是由模糊系统来实现的。模糊控制原理：最基本的模糊控制系统结构如图2.1所示。图中R为设定值，y为系统输出值，它们都是清晰量。图2.1模糊控制系统结构示意图从图2.1中可以看出，模糊控制器的输入量是系统的偏差量e，它是确定数值的清晰量。通过模糊化处理，用模糊语言变量E描述偏差。模糊推理输出U是模糊变量，在系统中要实施控制时，模糊量U还要转化为清晰值，因此要进行清晰化处理，得到可操作的确定值u，这就是模糊控制器的输出值，通过u的调整控制作用，使偏差e尽量小。2、模糊控制器的组成模糊控制器的基本组成如图2.2所示。它包含有模糊化接口、规则库、模糊推理、清晰化接口等部分。输入变量是过程实测变量与系统设定值之差值。输出变量是系统的实时控制修正变量。模糊控制的核心部分是包含语言规则的规则库和模糊推理。模糊推理就是一种模糊变换，它将输入变量模糊集变换为输出变量的模糊集，实现论域的转换。图2.2模糊控制器组成模糊化接口的作用是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程，此相应语言变量均由对应的隶属度来定义。规则库是由若干条模糊语言控制规则组成的，这些控制规则可以来自于现场操作人员或专家等，是对过程操作的经验性总结，规则库中的控制规则可以以语言规则形式给出。利用模糊推理，可以由输入的模糊集合E得到输出的模糊集合U。推理是从一些模糊前提条件推导出某一结论，这种结论可能存在模糊和确定两种情况。目前模糊推理有十几种方法，大致分为直接法和间接法两大类。清晰化接口。清晰化又称去模糊和解模糊。根据规则经过推理得到的是模糊集合。它仍然无法被执行机构识别和执行。因此需要将模糊集合变成清晰值，这个过程称为清晰化。2.1.3人工神经网络控制系统人工神经网络（ArtificialNeuralNetworks,ANN），一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。目前，已有近40种神经网络模型，其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。根据连接的拓扑结构，神经网络模型可以分为：（1）前向网络网络中各个神经元接受前一级的输入，并输出到下一级，网络中没有反馈，可以用一个有向无环路图表示。这种网络实现信号从输入空间到输出空间的变换，它的信息处理能力来自于简单非线性函数的多次复合。网络结构简单，易于实现。反传网络是一种典型的前向网络。（2）反馈网络网络内神经元间有反馈，可以用一个无向的完备图表示。这种神经网络的信息处理是状态的变换，可以用动力学系统理论处理。系统的稳定性与联想记忆功能有密切关系。Hopfield网络、波耳兹曼机均属于这种类型。学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。根据环境的变化，对权值进行调整，改善系统的行为。由Hebb提出的Hebb学习规则为神经网络的学习算法奠定了基础。Hebb规则认为学习过程最终发生在神经元之间的突触部位，突触的联系强度随着突触前后神经元的活动而变化。在此基础上，人们提出了各种学习规则和算法，以适应不同网络模型的需要。有效的学习算法，使得神经网络能够通过连接权值的调整，构造客观世界的内在表示，形成具有特色的信息处理方法，信息存储和处理体现在网络的连接中。根据学习环境不同，神经网络的学习方式可分为监督学习和非监督学习。在监督学习中，将训练样本的数据加到网络输入端，同时将相应的期望输出与网络输出相比较，得到误差信号，以此控制权值连接强度的调整，经多次训练后收敛到一个确定的权值。当样本情况发生变化时，经学习可以修改权值以适应新的环境。使用监督学习的神经网络模型有反传网络、感知器等。非监督学习时，事先不给定标准样本，直接将网络置于环境之中，学习阶段与工作阶段成为一体。此时，学习规律的变化服从连接权值的演变方程。非监督学习最简单的例子是Hebb学习规则。竞争学习规则是一个更复杂的非监督学习的例子，它是根据已建立的聚类进行权值调整。自组织映射、适应谐振理论网络等都是与竞争学习有关的典型模型。研究神经网络的非线性动力学性质，主要采用动力学系统理论、非线性规划理论和统计理论，来分析神经网络的演化过程和吸引子的性质，探索神经网络的协同行为和集体计算功能，了解神经信息处理机制。为了探讨神经网络在整体性和模糊性方面处理信息的可能，混沌理论的概念和方法将会发挥作用。混沌是一个相当难以精确定义的数学概念。一般而言，“混沌”是指由确定性方程描述的动力学系统中表现出的非确定性行为，或称之为确定的随机性。“确定性”是因为它由内在的原因而不是外来的噪声或干扰所产生，而“随机性”是指其不规则的、不能预测的行为，只可能用统计的方法描述。混沌动力学系统的主要特征是其状态对初始条件的灵敏依赖性，混沌反映其内在的随机性。混沌理论是指描述具有混沌行为的非线性动力学系统的基本理论、概念、方法，它把动力学系统的复杂行为理解为其自身与其在同外界进行物质、能量和信息交换过程中内在的有结构的行为，而不是外来的和偶然的行为，混沌状态是一种定态。混沌动力学系统的定态包括：静止、平稳量、周期性、准同期性和混沌解。混沌轨线是整体上稳定与局部不稳定相结合的结果，称之为奇异吸引子。一个奇异吸引子有如下一些特征：（1）奇异吸引子是一个吸引子，但它既不是不动点，也不是周期解；（2）奇异吸引子是不可分割的，即不能分为两个以及两个以上的吸引子；（3）它对初始值十分敏感，不同的初始值会导致极不相同的行为。2.1.4专家控制系统原理

专家系统的工作过程是根据知识库中的知识和用户提供的事实推理，不断地由已知的前提推出未知的结论，并把这些未知的结论纳入工作存储空间，作为已知的新事实继续推理，从而把求解的问题由未知状态转换为已知状态。可见，专家系统的工作过程是专家工作过程的一种机器模拟。

一般应用程序与专家系统的区别：前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解知识单独组成一个实体，即为知识库。知识库的处理是通过与知识库分开的控制策略进行的。更明确地说，一般应用程序把知识组织为两级：数据级和程序级；大多数专家系统则将知识组织成三级；数据、知识库和控制。2.2自动控制的特点2.2.1模糊控制系统的特点模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异;但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。2.2.2人工神经网络控制系统的特点人工神经网络是生物神经网络的一种模拟和近似，主要从两个方面进行模拟:一个是结构和实现机理方面，它涉及到生物学、生理学、心理学、物理及化学等许多基础学科。由于生物神经网络的结构和机理非常复杂，现在从这方面模拟还仅在尝试[1]；另一个是功能方面，即尽量使人工神经网络具有生物神经网络的某些功能特性，如学习、识别、控制等。目前应用的神经网络均是对功能方面的模拟。神经网络有以下一些特点。具有自适应功能：主要是根据所提供的数据，通过学习和训练，找出和输出之间的内在联系，从而求得问题的解答，而不是依靠对问题的经验知识和规则，因而具有良好的自适应性。具有泛化功能：能够处理那些不经训练过的数据，而获得相应于这些数据的合适的解答；也能处理那些有噪声或不完全的数据，从而显示了很好的容错能力。非线性映射功能：现实的问题非常复杂，各因素间互相影响，呈现出复杂的非线性关系，神经元网络为处理这些问题提供了有用的工具。高度并行处理信息：此特点使用硬件实现的神经网络的处理速度远远高于普通计算机。2.2.3专家控制系统的特点及优点1.专家系统的特点：启发性：专家系统要解决的问题，其结构往往是不合理的，其问题求解（problem-solving）知识不仅包括理论知识和常识，而且包括专家本人的启发知识。透明性：专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户了解推理过程，增大对专家系统的信任感。灵活性：专家系统的灵活性是指它的扩展和丰富知识库的能力，以及改善非编程状态下的系统性能，即自学习能力。符号操作：与常规程序进行数据处理和数字计算不同，专家系统强调符号处理和符号操作（运算），使用符号表示知识，用符号集合表示问题的概念。一个符号是一串程序设计，并可用于表示现实世界中的概念。不确定性推理：领域专家求解问题的方法大多数是经验性的；经验知识一般用于表示不精确性并存在一定概率的问题。此外，所提供的有关问题的信息往往是不确定的。专家系统能够综合应用模糊和不确定的信息与知识，进行推理。2.专家系统的优点专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。专家系统解决实际问题时不受周围环境的影响，也不可能遗漏和忘记。可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力。专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊2.3自动控制的发展概况随着自动控制技术的广泛应用和迅猛发展，出现了许多新问题，这些问题要求从理论上加以解决。自动控制理论正是在解决这些实际技术问题的过程中逐步形成和发展起来的，它是研究自动控制技术的基础理论，是研究自动控制共同规律的技术科学。按其发展的不同阶段，可把自动控制理论分为经典控制理论和现代控制理论两大部分。经典控制理论也就是自动控制原理，是20世纪40年代到50年代形成的一门独立学科。早期的控制系统较为简单，只要列出微分方程并求解之，就可以用时域法分析他们的性能。第二次世界大战前后，由于生产和军事的需要，各国均在大力研制新型武器，于是出现了较复杂的控制系统，这些控制系统通常是用高阶微分方程来描述的。由于高阶微分方程求解的困难，各种控制系统的理论研究和分析方法就应运而生。1932年奈奎斯特（H.Nyquist）在研究负反馈放大器时创立了有名的稳定性判据，并提出了稳定裕量的概念。在此基础上，1945年伯德（H.W.Bode）提出了分析控制系统的一种图解方法即频率法，致使研究控制系统的方法由初期的时域分析转到频域分析。随后，1948年伊文斯（W.R.Evans）又创立了另一种图解法即有名的根轨迹法。追溯到1877年，劳斯（E.Routh）和1895年赫尔维茨（A.Hurwitz）分别独立地提出了关于判断控制系统稳定性的代数判据。这些都是经典控制理论的重要组成部分。50年代中期，经典控制理论又添加了非线性系统理论和离散控制理论，从而形成了完整的理论体系。40-50年代经典控制理论（频域法或复频域法）以传递函数，稳定性稳定裕度等为核心，以复变函数和积分函数为基础，具有图形方法，直观简便，设置参数少，（以简单控制结构获取相对满意的性能）的特点应用于单输入单输出（SISO）系统。50年代开始，由于空间技术的发展，各种高速、高性能的飞行器相继出现，要求高精度地处理多变量、非线性、时变和自适应等控制问题，60年代初又形成了现代控制理论。现代控制理论的基础是：1956年庞特里亚金提出了极大值原理，1957年贝尔曼（R.Bellman）提出了动态规划，1960年卡尔曼（R.E.Kalman）提出了最优滤波理论以及状态空间方法的应用。从60年代至今40多年来，现代控制理论又有巨大的发展，并形成了若干学科分支，如线性控制理论、最优控制理论、动态系统辨识、自适应控制、大系统理论等。60到70年代，现代控制理论（状态空间法）以状态变量的能控、能观性、系统性能的最优化为核心以线性代数和矩阵理论为基础，具有时域法、统一处理SISO、MIMO系统等特点。然而它对系统的数学模型精度要求高，实际性能达不到设计的最优，所需状态反馈难以直接实现。70年代至今出现了多种新型控制理论，主要有智能控制（intelligentcontrol）智能控制系统具有拟人智能（学习、记忆、判断、推理等）大系统控制、复杂系统控制等

被控系统具有高维数、强关联、多约束、多目标、不确定性、分散性、非线性、大时滞、难建模等特征，如电力系统、城市交通系统、网络系统、制造系统、经济系统等自动控制的应用3.1模糊控制系统的应用目前模糊控制理论广泛应用于控制系统、模式识别、医药、游戏理论等方面。自1974年Mam-dani在蒸汽发动机上成功地运用了模糊控制即开始了模糊控制的应用阶段。70年代，模糊控制主要应用在工业领域。80年代随着模糊控制技术的发展，模糊控制技术已经开始应用在汽车、火车等其他控制领域。90年代，模糊控制软件与硬件技术的完善，为模糊控制技术的实现提供了更好的发展空间。近年来，随着模糊控制的广泛应用，模糊硬件产品和软件正使模糊控制向更高一级的的新领域扩展，如机器人定位系统、汽车定位系统、智能车辆高速公路系统。以下是各公司利用模糊控制原理的产品：3.1.1Omron公司产品Omron公司的模糊控制技术非常先进，它的产品代表模糊产品的新方向。目前它投入市场的模糊芯片有FP1000，FP3000，FP5000和FP7000。它们都是数字式模糊处理器。FP3000可以给控制规则加权，即条件部分的结果可以分别乘以0.9，0.8，O.7，0.6，0.5，0.25。所有规则可分成三组，每组规则使用相同的隶属函数。FP5000是FP3000的新一代模糊产品。它的处理速度可高达每秒1千万规则。3.1.2Inform/Semmons公司产品德国Inform公司在Semmons(西门子)公司的16位标准控制器80C166基础上将最优的推理过程编译到ROM内，生产出FUZZY—166。它还有一个“学习”软件包，可通过神经网络训练规则。3.1.3TogaiInfralogic公司产品TogaiInfralogic公司推出的一种数字模糊处理器FC110DFP，它具有64字节RAM和256字节的外部存储器。另外它可寻址128KB的外部存储器。它还有一个知识接口和系统接口。3.1.4NeuralLogic公司产品NLX是VISL模糊逻辑芯片，主要用于模式识别领域。NLX220是MLX230新一代产品。NLX220内集成了8位的A/D和D/A转换器，有4个输入端和4个输出端，还集成一个脉冲发生器。另外，NeuralLogic公司还推出很多专用模糊芯片。模糊样本比较器NLX140是专门用来进行模式比较的。NLX112是一个128Bit的数据修正器，它可以和8位位处理器通信。NLX113是一个32位的数据修正器，它可进行相关分析和互相关分析。进入90年代以来，由于国际上许多著名学者的参与以及工程应用中取得了大量的成功，尤其是对那些大量的无法用经典与现代控制理论建立精确数学模型的复杂系统，模糊控制特别显得成绩非凡，因而导致了更多人的参与研究、实际上模糊控制已经作为智能控制的一个重要分支确定下来。在国际大趋势的推动下，模糊控制已开始向多元化发展。除了上面所述的模糊控制的几大方面进展外，模糊多变量控制、模糊预测控制、模糊变结构控制、模糊模式识别等的研究，也都属于较为前沿的研究方向。3.2人工神经网络控制系统的应用神经网络控制的研究始于20世纪60年代。1960年，Widrow和Hoff首先将神经网络运用于控制系统。Kilmer和McCulloch提出了KMB神经网络模型，并在“阿波罗”登月计划中的应用取得良好的效果。1964年，widrow等用神经网络对小车倒立摆系统控制取得成功。神经网络控制可以分为监视控制、逆控制、神经适应控制、实用反向传播控制和适应评价控制等。在智能控制系统中，最重要的是和知识基有关的推理机型，以及随环境变化的适应能力。一般而言，推理是以符号为元素执行的，而客观世界中的信号是数值，为了理解过程的状态，需要实施数值数据到符号数据的映射，这就要把数值数据进行分类。另外，对过程的控制需要自适应控制器。神经网络的分类功能和学习能力可以使其有效地用于智能控制系统，神经网络用于控制系统是“物尽其用”的必然结果。IEEE神经网络协会出版刊物主席ToshioFukuda教授和《神经计算应用手册》的作者P.J.Werbos把神经网络控制系统分为5大类:一是监视控制；二是逆控制；三是神经适应控制；四是实用反问传播控制；五是适应评价控制。根据划分情况，神经网络控制系统有5类不同的结构，而且神经网络在控制系统中的位置和功能有所不同，学习方法也不尽相同。3.2.1基于神经网络的几种控制系统有关神经网络控制方法与结构的文献很多，分类方法也很多，但典型的控制结构应包括:神经网络监督控制(或称神经网络学习控制)；神经网络自适应控制(自校正、模型参考控制，含直接与间接自适应控制)；神经网络内模控制；神经网络自适应评判控制(或称神经网络再励控制)等。神经网络控制结构方案的研究，构成了神经网络控制方法的设计基础。具有代表性的神经网络控制系统有:全局逼近、局部逼近和模糊神经网络控制系统。3.2.2基于全局逼近神经网络的控制全局逼近网络是在整个权空间上对误差超曲面的逼近，故对输入空间中的任意一点，任意一个或多个连接权的变化都会影响到整个网络的输出，其泛化能力遍及全空间，如BP网络等。由于在全局逼近网络中，每一个训练样本都会使所有连接权发生变化，这就使响应的收敛速度极其缓慢。当网络规模较大时，这一特点使其实际上难以在线应用。利用全局逼近神经网络的异步自学习控制系统如图1所示。图1基于全局逼近式神经网络异步自学习控制系统由于神经网络控制器实际上是一个非线性控制器，因此一般难以对其进行稳定性分析。全局逼近网络在控制系统中的作用，主要体现在两个方面:提供一个类似于传统控制器的神经网络控制器；为神经网络控制器进行在线学习，提供性能指标关于控制误差梯度的反向传播通道，如建立被控对象的正向网络模型等。此外，结合稳定性分析，对神经网络的控制结构方案进行特别设计，还可以为分析复杂问题提供一个有效的解决途径。3.2.3基于局部逼近神经网络的控制局部逼近网络只是对输入空间一个局部邻域中的点，才有少数相关连接权发生变化，如CMAC、RBF和FLN网络等。由于在每次训练中只是修正少量连接权，而且可修正的连接权是线性的，因此其学习速度极快，并且可保证全空间上误差全平面的全局收敛特性可以实时应用。其不足之处是采用间断超平面对非线性超曲面的逼近，可能精度不够，同时也得不到相应的导数估计；采用高阶B样条的BMAC控制，则部分弥补了CMAC的不足，但计算量略有增加；基于高斯径向函数(RBF)的直接自适应控制，是有关非线性动态系统的神经网络控制方法中，较为系统且逼近精度最高的一种方法，但它需要的固定或可调连接权太多，且RBF的计算也太多，利用目前的串行计算机仿真实现时，计算量与内存过大，很难实时实现。3.2.4模糊神经网络控制模糊神经网络控制系统的基本思路是:利用模糊box分割问题空间，使每个模糊box不仅具有CEN给出的评分，含有作为控制作用的输出语言变量，而且整个模糊box还隐含定义了模糊规则库。模糊神经网络主要有三种结构:输入信号为普通变量，连接权为模糊变量；输入信号为模糊变量，连接权为普通变量；输入信号与连接权均为模糊变量。它们还可根据网型及学习算法中的点积运算是使用模糊逻辑运算，还是使用模糊算术运算，分成常规和混合型模糊神经网络。3.3专家控制系统的应用3.3.1数据挖掘技术的应用数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。它是近几年兴起的一个极有发展前途又有广泛应用前景的新领域。数据挖掘作为一个交叉学科领域，受多个学科的影响，包括数据库系统、统计学、机器学习、可视化和信息科学等。依赖于所挖掘的数据类型或应用领域，数据挖掘可能集成空间数据分析、图像分析、模式识别、Web技术、信息检索、心理学等领域的技术。主要的数据挖掘技术与方法有聚类、分类、决策树、粗糙集、神经网络、回归分析、遗传算法、偏差检测等。从数据库中挖掘的规则可以有以下多种表达形式：关联规则、特征规则、异常规则、转移规则、序列规则、分类和聚类等。数据挖掘的应用对象是大规模数据库，目标是发现数据库中规律性的知识。数据挖掘提取的知识可以表示为概念、规律、模式、约束和可视化。在知识获取技术方面，基于数据挖掘的专家系统可以极大缓解专家系统的知识瓶颈问题。它不再是知识工程师从领域专家中提取规则，将其转换为知识，而是从领域专家提供的大量数据中自动获取知识。数据挖掘中的数据预处理模块可以在知识的获取中减小噪声数据的影响，提高知识获取的正确性。知识会随着挖掘的过程不断被学习到系统当中，这样既大大加深和拓宽了知识获取的深度与广度，又会使获取的知识越来越完善、越来越精确。在推理技术方面，数据挖掘技术是以数据库系统、数据仓库统计学等为基础的。而数据仓库主要特点就是：它是面向主题的，库中的数据是多维的。数据挖掘器在推理时可以根据不同需要将不同维度内的运行状态参数综合起来一起分析计算，即运用数据挖掘算法来进行全方位推理。这可以克服传统推理机制具有单一方面的高精确度而忽视了其他方面影响的缺点；可以增强其推理的合理性，提高其推断结果的可靠性。在数据挖掘中尽可能地引入人对该应用领域的先验知识是非常必要的。数据挖掘是一个人机交互、不断重复的过程。专家的领域知识或背景知识的应用对挖掘过程具有补充和促进作用，经常用来引导发现过程以避免无意义的结果。另外，一般数据挖掘方法仅仅在数据库内容上产生规则，规则难以理解，领域知识或背景知识的应用可以产生易理解的规则。利用专家的领域知识的意义，不仅在于约简、表达和评估规则，更重要的是通过评估获得处理结果与应用需求之间的偏差，并以此作为反馈，去修正以前的各个步骤。3.3.2多Agent技术的运用Agent是一个具有自主性、反应性、主动性和社会性的基于硬件或软件的计算机系统，通常还具有人类的智能特性，如知识、信念、意图和愿望等。Agent理论与技术研究源于20世纪80年代中期的分布式问题求解。由于分布式并行处理术、面向对象技术、多媒体技术、计算机网络技术，特别是Internet和Web技术的发展，使Agent成为当今人工智能与软件工程中的研究热点，引起了科学界、教育界及工业界的广泛关注。多Agent系统(Multi－AgentSystem，MAS)是指由多个自主构件组成的所有类型的系统，它是一个松散耦合的问题求解器网络，其目标是为了解决那些超出每个问题求解器的单独能力或知识的问题。这些问题的求解器就是Agent，它们是自主的，并可能是异构的。多Agent系统的表现通过Agent的交互来实现，主要研究多个Agent为了联合采取行动或求解问题，如何协调各自的知识、目标、策略和规划。在表达实际系统时，多Agent系统通过各Agent间的通信、合作、协调、调度、管理及控制来表达系统的结构、功能及行为特性。由于在同一个多Agent系统中各Agent可以异构，多Agent技术对于复杂系统具有无可比拟的表达力，它为各种实际系统提供了一种统一的模型，从而为各种实际系统的研究提供了一种统一的框架，其应用领域十分广阔。将多Agent的方法引入到专家系统中，将有利于解决传统的单个专家系统与应用场所、应用环境难以沟通的问题；能比较容易地适应用户的知识结构、思维习惯；能够比较方便地与系统中的其他Agent进行协调、交流以达到系统的整体目标。对于复杂问题的求解，通常可以将专家系统看作一个Agent。但是实际上两者有较大的区别，在一个大型的复杂系统中，从系统功能分解理论出发，可以把整个系统分解成几个子系统，如果只用单纯的专家系统或者Agent模块都有很大的局限性。要实现各个模块的协商和协作，在专家系统之间很难实现，而由多个Agent就可以传递各个模块的协作，但只采用Agent技术，又难以保证任务执行的速度。因此，采用集成专家系统和多Agent技术是一种比较不错的方法。集成专家系统和多个Agent系统主要由完成特定功能的专家系统和Agent模块组成，专家系统模块利用经验历史知识和对象当前运行状态信息以严格高效的逻辑推理。Agent模块则主要利用Agent间的合作来实现动态不完全信息，从而提高系统对环境的适应能力。这样能够充分弥补两者各自的不足，增强系统的能力，整体上提高系统的实时性和准确性。第四章总结与展望4.1模糊控制展望模糊系统理论还有一些重要的理论课题还没有解决。其中两个重要的问题是：如何获得模糊规则及隶属函数，这在目前